در بازار شما، نوع جدیدی از رقیب در حال ظهور است که تقریباً بهطور قطع دو سال پیش وجود نداشت. این رقیب هیچ سیستم قدیمی، هیچ فرایند کاری به ارثرسیده و هیچ بدهی سازمانی ندارد. چیزی که دارد، یک تیم کوچک، تعدادی عامل هوش مصنوعی که شبانهروز کار میکنند و توانایی عرضه محصول در چند هفته است؛ کاری که پیش از این برای شرکت شما ماهها زمان و یک تیم کامل محصول نیاز داشت.
به گزارش کارآفرینی پرس، شماره پیشروی ماههای ژوئیه و اوت مجله «هاروارد بیزینس ریویو» آنچه در حال رخ دادن است را «دومین فشردگی بزرگ کارآفرینی» مینامد. این مقاله که توسط یک عضو اجرایی «دانشکده کسبوکار هاروارد»، مدیر عملیات اجرایی سابق دو مورد از بزرگترین مؤسسات مالی کانادا و رئیس سابق تسلا نوشته شده است، استدلال میکند که هزینه، زمان و تعداد نیروی انسانی موردنیاز برای ساخت، آزمایش و تکرار و بهبود یک محصول، بهطور همزمان کاهش یافته است. نتیجه این وضعیت، ایجاد یک سطح پایه جدید در رقابت است که هیچ کسبوکار تثبیتشدهای برای فعالیت در برابر آن طراحی نشده است.
اگر چیزی ساختهاید که ارزش محافظت کردن دارد، اکنون زمانی است که دقیقاً درک کنید با چه چیزی روبهرو هستید.
چرا مزیت رقابتی شما بهسرعت در حال محدود شدن است
مزیتهای سنتی یک کسبوکار تثبیتشده؛ مانند شناخت برند، روابط با مشتریان و زیرساختهای عملیاتی؛ همچنان واقعی هستند. چیزی که تغییر کرده، سرعتی است که یک استارتاپ مجهز میتواند این مزیتها را خنثی کند. سیستمهای هوش مصنوعی عاملمحور، که شبکههای هماهنگشدهای از عاملهای هوش مصنوعی را به کار میگیرند و میتوانند بهصورت مستقل برنامهریزی کنند، اقدام کنند و خود را سازگار سازند، به یک تیم دو نفره اجازه میدهند کاری را انجام دهد که پیش از این به یک عملیات در مقیاس سازمانی نیاز داشت.
نویسندگان مقاله هاروارد بیزینس ریویو صریح هستند: محصولاتی که زمانی برای توسعه به بیش از یک سال زمان و تیمهای بزرگ نیاز داشتند، اکنون میتوانند در عرض چند هفته توسط تعداد محدودی از افراد ساخته و بهبود داده شوند. فراتر از سرعت، استارتاپهای مبتنی بر هوش مصنوعی در حال ساخت چیزی ماندگارتر هستند و آن، دانش اختصاصیِ گردش کار است. هر بار که یک عامل هوش مصنوعی کاری را تکمیل میکند، فرایندی را بهبود میدهد یا با یک حالت خاص و استثنایی روبهرو میشود، این دانش سازمانی درون سیستم انباشته میشود. استارتاپی که به مدت ۱۸ ماه عاملهای هوش مصنوعی خود را به کار گرفته است، فقط سریعتر نیست؛ بلکه در حال انباشتن یک مزیت عملیاتی است که با گذشت زمان، جبران کردن آن دشوارتر میشود.
سؤال این نیست که آیا این موضوع بر یک حوزه تأثیر خواهد گذاشت یا نه؛ سؤال این است که این تغییر تا چه اندازه پیش رفته است.
شکاف اجرایی که هیچکس نمیخواهد به آن اعتراف کند
در اینجا یک حقیقت ناخوشایند برای بیشتر کسبوکارهای تثبیتشده وجود دارد: پاسخ به این تهدید کاملاً شناختهشده است، اما تقریباً هیچکس واقعاً آن را اجرا نمیکند. بر اساس پژوهش فورستر در سال ۲۰۲۶، سهچهارم رهبران سازمانی اعلام کردهاند که هوش مصنوعی عاملمحور را پذیرفتهاند، اما تنها اقلیت کوچکی از آنها این فناوری را در سطحی معنادار و فراتر از چتباتهای پایه در محیطهای عملیاتی به کار گرفتهاند. سیستمهای واقعیِ چندعاملی و مقیاسپذیر که شیوه انجام کارها را تغییر میدهند، حتی کمیابتر هستند.
دلیل این موضوع، کمبود ابزار یا بودجه نیست؛ مسئله ساختاری است. فورستر مستقیماً مشکل اصلی را شناسایی میکند: عاملهایی که به فرایندهای کاری قدیمی و مبتنی بر سرعت انسان اضافه میشوند، صرفاً صرفهجویی در انجام وظایف ایجاد میکنند، نه یک ارزشآفرینی جهشی. یک سیستم خودمختار تنها به اندازه فرایندی که درون آن فعالیت میکند قدرتمند است و بیشتر کسبوکارهای تثبیتشده سالهاست به فرایندهای اصلی خود دست نزدهاند. دادههای جزیرهای، تعریفهای انعطافناپذیر نقشها و زنجیرههای تأیید به ارثرسیده، برای اجرای مستقل طراحی نشدهاند و بدون بازطراحی هدفمند، از آن پشتیبانی نخواهند کرد.
شکاف میان ۷۵ درصدی که در حال تلاش هستند و تعداد اندکی که واقعاً موفق به پیشروی شدهاند، شکاف فناوری نیست؛ شکاف فرایندی است.
استارتاپهای مبتنی بر هوش مصنوعی چه کاری را متفاوت انجام میدهند
استارتاپهایی که در سال ۲۰۲۶ با بیشترین سرعت حرکت میکنند، فقط از ابزارهای بهتر استفاده نمیکنند. آنها با مدلی کاملاً متفاوت فعالیت میکنند. در حالی که شرکتهای قدیمی وظایف را در چارچوب جریانهای کاری موجود خودکار میکنند، شرکتهای بومیِ هوش مصنوعی از همان ابتدا جریانهای کاری خود را بر اساس آنچه عاملها در آن بهترین عملکرد را دارند طراحی میکنند. مقاله هاروارد بیزینس ریویو اشاره میکند که این رویکرد مزیتهای انباشته ایجاد میکند. هر تکرار، سیستم را هوشمندتر، سریعتر و قابلدفاعتر میکند.
یک بُعد دیگر در مدل کسبوکار نیز وجود دارد که باید به آن توجه کرد. این تغییر در حال حرکت از قیمتگذاری بر اساس هر کاربر به سمت قیمتگذاری مبتنی بر نتیجه است؛ نرمافزاری که بر اساس کاری که انجام میدهد هزینه دریافت میکند، نه بر اساس تعداد افرادی که از آن استفاده میکنند. این یک روند انتزاعی نیست. این تغییر همین حالا در حال بازشکلدهی نحوه ارزیابی تأمینکنندگان توسط خریداران و چگونگی ساختاردهی پیشنهادهای استارتاپها است. اگر مدل قیمتگذاری شما بر این فرض استوار است که مشتریان برای دسترسی هزینه پرداخت میکنند نه برای نتیجه، شما در بُعد اشتباهی رقابت میکنید.
مجمع جهانی اقتصاد این پویایی را بهطور صریح توصیف کرده است: اکنون هر شرکتی میتواند هوشمندی را در مقیاس به کار بگیرد، اما تنها شرکتهایی که زیرساخت عملیاتی مناسب دارند میتوانند این دسترسی را به مزیت تبدیل کنند.
چهار اقدام برای بستن این شکاف
پاسخ این نیست که با یک استارتاپ در بازی خودش و با قواعد خودش رقابت کنید. پاسخ این است که از آنچه همین حالا در اختیار دارید؛ اعتماد مشتریان، تخصص حوزهای، دادههای اختصاصی و روابط موجود؛ استفاده کنید و مدل عملیاتی خود را بر پایه آنها بازسازی کنید. نقطه شروع اینجاست.
پیش از خودکارسازی، بازطراحی کنید. رایجترین اشتباه کسبوکارهای تثبیتشده این است که هوش مصنوعی را روی فرایندهایی سوار میکنند که از ابتدا هم کارآمد نبودهاند. ابتدا جریانهای کاری با بیشترین اصطکاک و بیشترین حجم را ترسیم کنید. سپس از خود بپرسید اگر این فرایند امروز و از صفر، با اجرای عاملها ساخته میشد، چه شکلی داشت. پاسخ این سؤال، هدف بازطراحی شماست، نه نسخه قدیمی بهعلاوه هوش مصنوعی.
دادههای خود را بهعنوان مزیت رقابتی واقعی در نظر بگیرید. استارتاپهای بومیِ هوش مصنوعی از نظر دادههای اختصاصی از صفر شروع میکنند. شما اینطور نیستید. تاریخچه تراکنشها، دادههای رفتار مشتری و سوابق عملیاتی شما داراییهایی هستند که یک تازهوارد نمیتواند آنها را بازتولید کند، اما فقط در صورتی که پاک، متصل و در دسترس سیستمهای هوش مصنوعی باشند. تقویت کیفیت و یکپارچگی دادهها یک پروژه صرفاً فناوری اطلاعات نیست؛ یک سرمایهگذاری رقابتی است.
یک جریان کاری را انتخاب کنید و آن را تا انتها پیش ببرید. پژوهش فورستر بهصراحت میگوید: مرحله آزمایشی جایی است که فوریت رقابتی در آن از بین میرود. عدم قطعیت در بازگشت سرمایه، سازمانها را در آزمایشهای کوچک گرفتار میکند که هرگز مقیاسپذیر نمیشوند. یک جریان کاری با اصطکاک بالا را انتخاب کنید؛ مانند تحقیقات فروش، دستهبندی درخواستهای پشتیبانی، تولید پیشنهادها یا بررسی قراردادها؛ و آن را بهطور کامل بر پایه اجرای خودمختار بازسازی کنید. هدف، یک سیستم عملیاتی است، نه یک نمونه مفهومی.
مرز بین انسان و هوش مصنوعی را آگاهانه تعریف کنید. پایدارترین مزیت یک کسبوکار تثبیتشده عملیاتی نیست؛ رابطهای است. افراد شما دارای زمینه، قضاوت و روابطی هستند که هیچ عاملی هنوز نمیتواند آنها را بازتولید کند. شرکتهایی که جلوتر هستند، آنهاییاند که بهطور مشخص تعیین کردهاند کجا قضاوت انسانی در چرخه باقی میماند و کجا باقی نمیماند، نه اینکه این مرز را تعریفنشده رها کنند و ببینند تحت فشار فرو میریزد.
این پنجره زمانی با ماهها سنجیده میشود، نه با سالها
نویسندگان هاروارد بیزینس ریویو برای پنج سال آینده هشدار نمیدهند. این فشردگی همین حالا آغاز شده است و ماهیت انباشتی دانش گردش کار به این معناست که شکاف میان رقبای بومیِ هوش مصنوعی و دیگران با هر فصل بیشتر میشود.
کسبوکارهایی که بهخوبی به این لحظه پاسخ میدهند، آنهایی نخواهند بود که بیشترین ابزارهای هوش مصنوعی را به کار گرفتهاند. آنها کسبوکارهایی خواهند بود که از فشار رقابت جدید برای وادار کردن خود به بازاندیشیای که مدتها به تعویق افتاده بود درباره نحوه واقعی فعالیتشان استفاده کردهاند و بر پایه آنچه واقعاً در انجامش نسبت به هر استارتاپی که سال گذشته راهاندازی شده، موقعیت بهتری دارند، خود را بازسازی کردهاند. این یک مسئله فناوری نیست؛ یک مسئله رهبری است.
انتهای پیام/
